环境遥感特刊概要：基于GEE的遥感土地变化研究

2020环境遥感特刊概要

基于GEE的遥感土地变化研究

Remote Sensing of Environment

引用格式

Wang, Le; Diao, Chunyuan; Xian, George; Yin, Dameng; Lu, Ying; Zou, Shengyuan; Erickson, Tyler A. (2020). A summary of the special issue on remote sensing of land change science with Google earth engine. Remote Sensing of Environment, 248(2020), 112002. doi:10.1016/j.rse.2020.112002

摘要

为了迎接蓬勃发展的土地变化科学研究，利用公共领域云计算平台，如谷歌地球引擎(GEE)，我们第一次在《环境遥感》杂志上组织了题为“基于GEE的遥感土地变化科学研究”的特刊。本文是自2017年11月特刊创刊以来发表的19篇论文的总结。我们特别从两个方面总结了它们的贡献:阐述了哪些新的问题主题，作出了哪些贡献。考虑学科差异，分别在环境遥感(Remote Sensing of Environment, RSE)和社会遥感(Remote Sensing of Society, RSS)两个主要科学领域(natural -induced land change, RSE)进行总结。此外，我们还对本期特刊之前发表的有关gee研究的发展进行了历史回顾。最后，本文展望了土地变化科学研究的未来发展趋势。

引言部分的内容

通过许多公共领域平台，科学界免费获得了从地方、区域到全球范围内的大量多时相遥感数据。云计算平台谷歌地球引擎(GEE)以其大量预加载的地理空间数据集和并行处理能力彻底改变了遥感数据分析(Gorelick et al.,2017;Hansen et al.,2013)。因此，它为我们提供了一个前所未有的机会，来促进我们对与地球系统相关的各种动态过程的科学理解，特别是土地变化科学(Turner et al.,2007)。

GEE的第一个重要工作发表于2013年(Hansen et al.,2013)。从那以后，在2013年到2016年期间，有越来越多的出版物见证了gee相关应用的早期发展。2017年，Gorelick等(2017)首次全面介绍了GEE。本文深入介绍了GEE的概念和应用，引起了遥感界的广泛关注。然而，GEE在2017年11月之前没有特别发行。为了捕获这个进化的关键时刻啊,我们开始组织特刊《“遥感土地变化科学与谷歌地球引擎”在《“环境遥感”2017年11月至2020年3月(图1)。这个问题的目标是发表研究论文,关注哇在两个主要的方法和应用遥感领域致力于土地变化科学:环境遥感(RSE)，即自然引起的土地变化;社会遥感(RSS)，即人类引起的土地变化。本期特刊的总体目标是揭示GEE将如何改变土地变化科学的研究。

图1 2013 - 2019年每年GEE出版物数量（在Web of Science all数据库中以“Earth Engine”为主题搜索获得的数字）

两年半过去了，我们的特刊已经发表了19篇研究文章。本文对本期已发表的论文进行了综述。具体来说，我们的目标有三方面:

1)总结在本刊特刊上发表的所有论文的贡献;

2)了解特刊(2018年4月之前)之前的历史贡献;

3)设想在特殊问题之外的GEE发展的未来前景。

自2017年创刊以来，GEE发展迅速。这可以从2018年和2019年发表的论文数量的激增中得到证实(图1)。为此，需要指出的是，我们本文的目的并不是报道GEE的最新进展，特别是过去两年发表的大量论文。对此类评论感兴趣的读者可以参考最近发表的论文(Tamiminia et al.,2020)。

我们的论文组织如下。在第2部分，我们首先将19篇论文划分为两个主要的科学领域，即RSE和RSS，然后对每篇论文的两个方面进行整体总结:每篇论文都涉及哪些科学问题?利用GEE做出了哪些贡献?在第三部分，我们回顾了在我们的特刊(2013年至2018年4月)之前关于两个主要科学领域的GEE出版物。在第四部分，我们将讨论高等教育如何演变为促进RSE和RSS研究的总体趋势，并在本期特刊之后，从四个方面详细展望未来。最后在第5节给出了结论。

2.本专刊中包含的GEE的研究主题

本部分总结了本期特刊发表的19篇论文，涵盖两个主要科学领域和七个特定领域(图2)。随后，按照发表论文数量由高到低的顺序分别对这些领域进行描述。

图2 特刊中GEE出版物的数量

2.1 环境遥感(Remote Sensing of Environment,RSE)

本期特刊中有三份出版物着重于森林和牧场。其中一篇论文关注于探测森林变化:Bunting等(2019)评估了1988年至2015年美国西南部5个沙漠地区的植物生产对季节性气候变化的响应。相关的其他两个牧场监控:Xie等(2019)提出了一种新的方法绘制地表植被的变化属性在澳大利亚昆士兰大规模的牧场,而Zhou等(2020)探讨了训练数据的时序相关性如何影响性能的表面条件预测牧场监控。

特刊发表湿地相关论文3篇(Cao et al.,2020;Tian et al.,2020;Wu et al.,2019)。他们聚焦于三个不同的主题:湿地淹没扩展、土地覆盖变化和入侵物种,Wu等(2019)在流域尺度上绘制了北美草原壶穴区湿地淹没动态图。另外，Cao等(2020)绘制了中国舟山群岛的连续海岸动态。此外，Tian等(2020)绘制了一种入侵湿地物种互花米草(Spartina alterniflora)的长期变化，并提出了南海北部湾首次区域性入侵暴发。Cao等(2020)和Tian等(2020)的主要数据来源为时序Landsat多光谱图像，Wu等(2019)将精细空间分辨率光探测和测距数据与多时相航空图像相结合。

2.2 社会遥感(Remote Sensing of Society,RSS)

本期特刊中有六种出版物关注农业相关应用(Bey et al.,2020;Deines et al.,2019;Jin et al.,2019;Johnson,2019;Parente et al.,2019;Thieme et al.,2020)。与以往的文献相比，大多数研究的目标是利用GEE前所未有的计算能力，在更广泛的地理区域内更频繁(例如，年)和更高分辨率的农田(或牧场)和作物类型制图。

有三份出版物与自然灾害相关，特别是火灾和洪水(Crowley et al.,2019;DeVries et al.,2020a;Liu et al.,2020 )。GEE中使用了多种卫星图像，包括中分辨率成像光谱仪(MODIS)、可见红外成像辐射计套件、陆地卫星、Sentinel-1和Sentinel-2，以监测自然灾害的范围和程度，并对推导出的估计的不确定性进行量化。

两篇论文重点研究了城市，特别是不透水地表的分布。Gong等(2020)绘制了不透水面积的全球分布，Shao等(2019)利用不透水面积分布信息评估了局部尺度的水文环境条件。

其中一份出版物致力于土地利用和土地覆盖(LULC)变化(Ge et al.,2019)。本研究的主要贡献在于分析了中国贫困地区土地利用年际变化的时空格局。

GEE特刊包括一篇关于人类活动的论文(Wong et al.,2019)。他们使用GEE上的Sentinel-1合成孔径雷达(SAR)自动探测墨西哥湾的石油平台。

3. 在这个专题之前的GEE研究

截至2018年4月，本特刊正式公布，共发表了239篇涉及广泛科学领域的“绿色科学”相关研究(图3)。本部分从RSE(第3.1节)和RSS(第3.2节)两个主要科学领域对这些研究成果进行了全面综述。然后，按照各科学领域发表论文数量的降序顺序分别对主题进行描述。

图3. 2018年4月之前的GEE出版物数量

3.1. Remote sensing of environment (RSE)

3.1.1. Forest & rangeland

3.1.2. Water

3.1.3. Ecosystem & Biodiversity

3.1.4. Climate & temperature

3.1.5. Wetland

3.1.6. Soil

3.2. Remote sensing of society (RSS)

3.2.1. Agriculture

3.2.2. LULC

3.2.3. Hazard

3.2.4. Urban

3.2.5. Health

3.2.6. Human activity

4. 讨论Disscussion

2018年4月之前的gee相关文献表明，相对于RSS研究，RSE研究出现的时间更早，受到的关注也更快。与此相反，我们的特刊发表的RSS论文比RSE的要多，这表明RSS研究近年来开始腾飞。因此，揭示RSE和RSS各自走过的道路是一件很有趣的事情，并有望为它们未来的发展指明方向。为此，本节对特刊中的2项GEE研究和特刊前的3项GEE研究的综述进行了整体综合。在4.1环境遥感(Remote sensing of environment, RSE)和4.2社会遥感(Remote sensing of society, RSS)中，我们分别在环境遥感(Remote sensing of environment, RSE)和社会遥感(Remote sensing of society, RSS)领域内进行了演化;在第4.3节中，我们将这些发展归结为四个主要方面，并努力寻找潜在的研究方向。

4.1 环境遥感(Remote Sensing of Environment, RSE)

RSE旨在揭示自然因素引起的环境变化。自GEE工作在RSE开始以来，RSE逐渐呈现出三种独特的分析模式:映射与变化量化的爆发、映射到建模的过渡、算法与精度的细化。

受GEE提供广泛的多时间和全球覆盖数据集的免费访问这一事实驱动，第一批研究集中于绘制和量化不同的土地覆盖变化。例如，基于广泛应用的植被指数(如归一化植被指数)，利用gee绘制全球森林(Hansen et al.,2013)。与此同时，由于水体与其他土地覆盖类型相对容易区分，发展了GEE水图(Pekel et al.,2016)。随后，制图和变化分析扩展到其他土地覆盖类型，如湿地(如，(Alonso et al.,2016))和土壤(如，(Padarian et al.， 2015))。

我们认识到的第二个模式是从映射到建模的分析转换。在继承各种土地覆被制图和变化量化的成功基础上，为了探索量化变化的驱动因素，大量的建模工作已经投入。例如，利用GEE (Allred et al.， 2015;Lewis等人，2017年)。另一方面，气候和温度建模落后于其生态系统对应物(Attermeyer等人，2016;菲克和希曼斯，2017年)，可能是因为它相对于制图研究的复杂性。

在映射和建模的早期工作之外，分析的第三个线程出现了，重点是改进算法和准确性。这些努力的例子包括:(1)将数据源从粗空间分辨率(如MODIS)扩展到中分辨率和高分辨率(如Landsat和Sentinel)，从单纯的光学图像扩展到与雷达和其他辅助数据的融合;(2)将地理范围从全球限制到区域，使算法能够更好的定制。反过来，这些尝试将进一步有利于绘图和建模研究。

4.2 社会遥感(Remote Sensing of Society,RSS)

与RSE不同的是，RSS旨在了解主要由人类活动引起的土地变化。考虑到对人类相关变量的复杂性，RSS的出现要晚于RSE。在有限的RSS工作中，揭示了三个不同的集群:人类诱导的环境变化的检测，环境对社会的影响的检查和直接观察人类活动。

主要的RSS出版物集中在人类诱发的环境变化的检测上，主要分布在三个RSS领域:农业、LULC和城市。这在一定程度上要归功于与伦敦证交所同行取得的进展。利用GEE海量数据库，研究了利用植被物候特征识别人类活动引起的土地覆盖变化的新制图方法。例如，基于时序Landsat图像，提出了基于像素的指数来绘制水稻面积(Dong et al.,2016)、保护区的LULC (Simonetti et al.,2015)和全球城市范围(Liu et al.,2018)。此外，新的建模方法利用了GEE上的多种数据源的融合，例如作物产量估计(Lobell等，2015)和城市人口估计(Li和Lu, 2016)。

RSS中第二个蓬勃发展的工作集中在考察环境对社会的影响。两个主要的RSS领域，危害和健康，报告了一些使用GEE的初步努力。有趣的是，这类研究并没有在全球范围内普遍采用传统方法，而是倾向于开发新的制图方法，以适应局部或区域范围。例如，学者们利用多源数据来绘制由于野火造成的森林砍伐(雷丁顿等人，2015年)，并建模与健康有关的环境因素(塔特姆等人，2014年)。逐步地，更独特的基于gee的方法被开发出来，以获得更高的精度来量化各种环境影响(Coltin等人，2016;verheghen等人，2016)。

最近，直接观察人类活动的研究开始出现，但还有待研究。在这些有限的作品中，他们试图通过基础设施的改变和夜间灯光的使用来揭示人类活动。这种不足是由于GEE数据集(例如，30米Landsat图像(Elhacham和Alpert, 2016)、10米Sentinel-1 SAR数据(Wong等人，2019)、1公里NTL数据(Benz等人，2017))的分辨率比诊断人类活动所需的分辨率更粗糙。由于人类活动在空间和时间上具有高度的异质性，这些工作可能受益于更高分辨率的数据，如DigitalGlobe图像(亚米)(Chaussard和Kerosky, 2016)和吉林1-03 NTL数据(0.92米)(Du等，2018)。因此，我们设想未来利用GEE进行人类活动的发展取决于高空间分辨率观测的可用性和有效方法的发展，如基于对象的图像分析和GEE上的人工智能算法。

未来前景Feature Prospect

尽管RSE和RSS都在各自的方向上取得了长足的进步，但在分析的普遍趋势下审视现有的研究成果将是一件有趣的事情，在此基础上可以推断出潜在的研究方向。我们关于GEE的特刊发生在一个转折点，当时各种应用程序开始蓬勃发展。在宣传“GEE”的同时，一个庞大的用户团体在他们各自的研究领域培育“GEE”。因此，迫切的用户需求驱动了分析的类型，从基本数据采集，到中间数据处理，最终到复杂的建模。因此,我们提出以下检查所有作品的伞下的四个普遍趋势分析(表13):从暂时的静态到动态,从映射到建模,从单一的数据源到多个数据源,从使用数据检索使用哎呀哎呀表达新的科学问题。

详细说明了RSE和RSS所包含的四个建议的分析普遍趋势在各个科学领域的进展情况。在表中，我们用两种不同的符号来代表两种不同的发展状态，即选中的项目表示有发展，选中的项目表示没有发展。我们看到了如下两种趋势。

首先，一般来说，RSE中出现的检查项比RSS中出现的多，这类似于我们之前说的RSE比RSS更成熟的说法。更具体地说，在现有的GEE研究中，对RSE中的森林和牧场以及RSS中的LULC的研究占了上风，这四个趋势都得到了验证。相反，对土壤和人类活动的研究落后于其主流队列，四种趋势中只有两种得到了检验。我们推断，不同发展的一个可能的推动力是数据充分性，即，如果一个科学领域所需的数据可以在很大程度上由GEE独家满足，那么这个发展是自然填充的;另外，如果在GEE提供的数据之外请求了其他特定于域的数据，那么开发就会受到阻碍。

其次，在不同的科学领域，四个普遍趋势以不同的适应速度显现出来。1)得益于GEE提供的时间序列数据集，在RSE和RSS的12个科学领域中，有10个领域的分析已经从单时间静态状态的定位转移到多时间动态的监测。静态分析的两个领域是土壤和人类活动。这可能归因于数据的可用性。更具体地说，土壤研究往往进行地下测量，而人类活动则需要用米级数据来描述。然而，GEE提供的数据集大多是地球表面的卫星观测数据，空间分辨率过于粗糙，这使得这两个领域的专家难以解决他们的问题。因此，我们预计，如果能够在GEE中吸收精细化的数据集，使用GEE对土壤和人类活动的研究可以扩展到动态分析。2)几乎所有的领域都进行了从映射到建模的转换。唯一的例外是气候和温度和健康，在这建模是必不可少的开始。应该注意的是，尽管GEE提供了一个现成的计算工具来促进建模工作，但是大多数现有的工作仍然处于起步阶段，因为只采用了简单的回归。我们希望在未来的模型开发中包含更复杂的数学形式，以完全包含GEE的潜力。3)由于在充分利用GEE方面的巨大努力，所有领域都从使用单个数据源过渡到使用多个数据源。然而，随着越来越多的数据集在GEE上进行评估，一个潜在的细化路线可以是结合使用包含不同空间、时间和光谱分辨率的数据集。(4)最后，在几乎所有的科学领域中，GEE主要用于扩展该领域中已有的一个流行研究问题的时空覆盖。在这一转变趋势中领先的两个领域是forest & rangeland和LULC。在森林和牧场领域，一个典型的问题是检查世界各地的植被如何受到各种自然和人为因素的影响，如气候变化(Bunting et al.，2019)和人类人口(Bunting et al.，2019;Tracewski et al.，2016)。在LULC中，研究人员已经开始仔细研究前所未有的大空间尺度和长时间的LULC变化模式，作为政策有效性的证据(Ge et al., 2019)。随着大量的GEE研究开始展开，我们预计新的科学问题将被培养出来，这些问题可以无缝地整合GEE的数据和计算潜力，以推进各自的RSE和RSS领域。

5. 结论

本文为我们的《土地变化科学》特刊提供了一个总结，该特刊共发表了19篇研究文章。基于两个广泛定义的科学领域，即RSE和RSS，我们总结了这些文章所取得的各种贡献。此外，以特刊为切入点，分析特刊出版前的历史发展，并对特刊出版后的未来发展进行展望。最后，我们预计GEE将为广大科学界提供更先进的工具，并免费获取更广泛的遥感数据，从而彻底激发土地变化科学中变革性研究问题的出现。